当前位置：首页 > article >正文

如何用python部署本地ocr脚本

article 2025/1/17 17:30:39

环境：

EasyOCR

win10

i5 cpu运行

问题描述：

如何用python部署本地ocr脚本？

解决方案：

EasyOCR 是一个可以在本地运行的 OCR 工具。它不需要依赖于云端服务或互联网连接，所有处理都在本地计算机上完成。这意味着可以将 EasyOCR 集成到你的应用程序中，并在没有网络的情况下使用它进行文本识别。

本地运行的优势

隐私保护：因为所有的图像和文本处理都在本地进行，所以不用担心数据泄露或隐私问题。
实时性：本地处理可以减少延迟，提供更快的响应时间，特别是在需要快速反馈的应用场景中。
成本控制：无需支付云服务费用，特别是对于大规模或频繁使用的应用来说，这可以显著降低成本。
离线可用：即使没有互联网连接，你也可以正常运行 EasyOCR 进行 OCR 任务。

本地环境要求

为了确保 EasyOCR 在本地环境中顺利运行，你需要满足以下几点：

Python 环境：
- 安装 Python（推荐版本 3.6+）。
- 使用 pip 安装 EasyOCR 及其依赖项：
```
pip install easyocr
```

在这里插入图片描述

硬件资源：
- EasyOCR 可以在普通的 CPU 上运行，但如果你有 GPU 支持（如 NVIDIA），可以通过安装 PyTorch 的 GPU 版本来加速处理速度。
- 对于较大的图像或复杂的 OCR 任务，更多的内存和更强的处理器会提高性能。
预训练模型下载：
- 第一次初始化 easyocr.Reader 时，它会自动下载所需的预训练模型文件。这些模型文件会被缓存下来，以便后续使用时不再重新下载。
- 如果你在没有互联网连接的环境中工作，可以提前在一个联网的机器上下载好模型文件，然后将其复制到目标机器的相应位置。

本地运行 EasyOCR

下面是一个完整的示例，展示了如何在本地环境中使用 EasyOCR 进行 OCR 识别：

import easyocr

# 初始化 EasyOCR 读取器，指定所需的语言（例如中文、英文）
reader = easyocr.Reader(['ch_sim', 'en'])  # 支持多语言，如['en', 'zh-cn']

# 读取本地图像文件并进行 OCR 识别
result = reader.readtext('path_to_your_local_image.jpg')

# 打印结果
for (bbox, text, prob) in result:
    print(f"Detected text: {text}, Confidence: {prob:.2f}")

path_to_your_local_image.jpg 是你本地磁盘上的图像路径，EasyOCR 将直接从该路径加载图像并进行文本识别。

目标图片：

在这里插入图片描述

运行脚本要下模型，需要科学上网
在这里插入图片描述
下载完了模型再次运行

模型比较小很快下载好
在这里插入图片描述
识别结果：
CompleteDetected text: A漤人, Confidence: 0.05
Detected text: 携手创造美好未来, Confidence: 0.85

注意事项

首次运行：第一次调用 easyocr.Reader 时，可能会花费一些时间来下载必要的模型文件。之后这些文件会被缓存起来，再次运行时会快得多。
模型大小：预训练模型文件可能较大，占用一定的磁盘空间。请确保有足够的存储空间。
多语言支持：如果你选择了多种语言，那么相应的多语言模型文件也会被下载。如果只需要一种语言，可以选择只加载该语言的模型以节省资源。

手动下载 EasyOCR 所需的模型文件

手动下载 EasyOCR 所需的模型文件，你可以直接访问官方提供的模型下载链接。以下是具体的步骤和模型下载地址：

官方模型下载地址

EasyOCR 的预训练模型可以从其官方 GitHub 仓库中的 Model Hub 页面获取。该页面列出了所有可用的语言模型及其下载链接。

直接下载链接

对于常用的语言模型，如中文（简体）和英文，你可以使用以下直接下载链接：

craft_mlt_25k.pth（文本检测模型）:
- Download Link
chinese_g2.pth（中文识别模型）:
- Download Link
english_g2.pth（英文识别模型）:
- Download Link

下载并安装模型文件

创建存储目录：
- 在你的用户主目录下创建 .EasyOCR 文件夹，并在其中创建 model 子文件夹。
```
mkdir -p ~/.EasyOCR/model
```
下载模型文件：
- 使用你喜欢的下载工具（如浏览器、wget 或 curl）从上述链接下载所需的模型文件，并将它们保存到 ~/.EasyOCR/model 目录中。
验证文件完整性：
- 确保下载的文件完整无误。你可以通过对比文件大小或计算哈希值来验证。
运行代码：
- 再次运行你的 Python 脚本，这次应该不会再尝试重新下载模型文件，而是直接使用本地已有的模型。

示例：批量下载多个模型

需要下载多个语言的模型文件，可以编写一个简单的脚本来自动化这个过程：

import os
import urllib.request

# 创建存储目录
os.makedirs(os.path.expanduser('~/.EasyOCR/model'), exist_ok=True)

# 模型下载链接字典
model_links = {
    'craft_mlt_25k.pth': 'https://github.com/JaidedAI/EasyOCR/releases/download/pre-v1.4/craft_mlt_25k.pth',
    'chinese_g2.pth': 'https://github.com/JaidedAI/EasyOCR/releases/download/pre-v1.4/chinese_g2.pth',
    'english_g2.pth': 'https://github.com/JaidedAI/EasyOCR/releases/download/pre-v1.4/english_g2.pth'
}

# 下载模型文件
for model_name, url in model_links.items():
    model_path = os.path.join(os.path.expanduser('~/.EasyOCR/model'), model_name)
    print(f"Downloading {model_name}...")
    urllib.request.urlretrieve(url, model_path)
    print(f"Downloaded {model_name} to {model_path}")

print("All models have been downloaded.")